DL之VGG16:基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)(一)

简介: DL之VGG16:基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)


设计思路

image.png

输出结果


Using TensorFlow backend.

F:\Program Files\Python\Python36\lib\site-packages\tensorflow\python\framework\dtypes.py:526: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.

 _np_quint16 = np.dtype([("quint16", np.uint16, 1)])

F:\Program Files\Python\Python36\lib\site-packages\tensorflow\python\framework\dtypes.py:527: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.

 _np_qint32 = np.dtype([("qint32", np.int32, 1)])

F:\Program Files\Python\Python36\lib\site-packages\tensorflow\python\framework\dtypes.py:532: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type'.

 np_resource = np.dtype([("resource", np.ubyte, 1)])

None

2020-11-22 13:40:03.693339: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

Found 17500 images belonging to 2 classes.

Found 7500 images belonging to 2 classes.

-------------显示网络结构--------------------

_________________________________________________________________

Layer (type)                 Output Shape              Param #  

=================================================================

input_2 (InputLayer)         (None, 4, 4, 512)         0        

_________________________________________________________________

flatten_1 (Flatten)          (None, 8192)              0        

_________________________________________________________________

dense_1 (Dense)              (None, 256)               2097408  

_________________________________________________________________

activation_1 (Activation)    (None, 256)               0        

_________________________________________________________________

dropout_1 (Dropout)          (None, 256)               0        

_________________________________________________________________

dense_2 (Dense)              (None, 1)                 257      

_________________________________________________________________

activation_2 (Activation)    (None, 1)                 0        

=================================================================

Total params: 2,097,665

Trainable params: 2,097,665

Non-trainable params: 0

_________________________________________________________________

None

 

1488/1488 4s 2ms/step - loss: 0.0139 - acc: 0.9966 - val_loss: 1.0130 - val_acc: 0.8762



image.png



2000/2000 6s 3ms/step - loss: 0.0122 - acc: 0.9950 - val_loss: 0.7943 - val_acc: 0.9125


image.png


4000/4000 10s 2ms/step - loss: 0.0216 - acc: 0.9945 - val_loss: 0.9137 - val_acc: 0.8812

image.png



6000/6000 15s 2ms/step - loss: 0.0262 - acc: 0.9933 - val_loss: 0.6805 - val_acc: 0.8988


image.png


6992/6992 20s 3ms/step - loss: 0.0395 - acc: 0.9894 - val_loss: 0.6387 - val_acc: 0.8975


image.png


99980/99980 237s 2ms/step - loss: 0.0598 - acc: 0.9922 - val_loss: 1.2305 - val_acc: 0.9100


image.png



 


相关文章
|
4月前
|
机器学习/深度学习 编解码 人工智能
|
人工智能 数据可视化 数据处理
快速在 PaddleLabel 标注的花朵分类数据集上展示如何应用 PaddleX 训练 MobileNetV3_ssld 网络
快速在 PaddleLabel 标注的花朵分类数据集上展示如何应用 PaddleX 训练 MobileNetV3_ssld 网络
778 0
快速在 PaddleLabel 标注的花朵分类数据集上展示如何应用 PaddleX 训练 MobileNetV3_ssld 网络
|
机器学习/深度学习 数据可视化 数据挖掘
0参数量 + 0训练,3D点云分析方法Point-NN刷新多项SOTA(2)
0参数量 + 0训练,3D点云分析方法Point-NN刷新多项SOTA
276 0
|
机器学习/深度学习 数据可视化 计算机视觉
0参数量 + 0训练,3D点云分析方法Point-NN刷新多项SOTA(1)
0参数量 + 0训练,3D点云分析方法Point-NN刷新多项SOTA
127 0
|
机器学习/深度学习 数据可视化 算法
水果新鲜程度检测系统(UI界面+YOLOv5+训练数据集)
水果新鲜程度检测系统(UI界面+YOLOv5+训练数据集)
704 0
|
测试技术 PyTorch TensorFlow
Yolov5-6.2 正式发布 | Yolov5 也可以训练分类模型啦,语义分割+实例分割很快到来
Yolov5-6.2 正式发布 | Yolov5 也可以训练分类模型啦,语义分割+实例分割很快到来
554 0
|
机器学习/深度学习 存储 缓存
随机YOLO|你用的YOLO在Dataset Shift时是否依旧鲁棒?这个策略可能是你想要的!!!
随机YOLO|你用的YOLO在Dataset Shift时是否依旧鲁棒?这个策略可能是你想要的!!!
192 0
|
算法 计算机视觉 网络架构
【项目实践】基于Mask R-CNN的道路物体检测与分割(从数据集制作到视频测试)(一)
【项目实践】基于Mask R-CNN的道路物体检测与分割(从数据集制作到视频测试)(一)
191 0
|
计算机视觉
【项目实践】基于Mask R-CNN的道路物体检测与分割(从数据集制作到视频测试)(二)
【项目实践】基于Mask R-CNN的道路物体检测与分割(从数据集制作到视频测试)(二)
75 0
|
移动开发 算法框架/工具
DL之VGG16(keras框架):基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)
DL之VGG16(keras框架):基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)
DL之VGG16(keras框架):基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)